泊松分布问题 泊松分布问题
\u6cca\u677e\u5206\u5e03\u6982\u7387\u95ee\u9898\u6cca\u677e\u5206\u5e03\u7684\u516c\u5f0f\u4e3a\uff1aP(k)=(\u03bb^k)*(e^(-\u03bb))/k!
\u4e00\u5c0f\u65f6\u67656\u4e2a\uff0c\u5373\u5f3a\u5ea6\u4e3a 6\u4eba/\u5c0f\u65f6 \u7684\u6cca\u677e\u8fc7\u7a0b\u3002
\u6cca\u677e\u8fc7\u7a0b\u5177\u6709\u65e0\u8bb0\u5fc6\u6027\u7684\u7279\u5f81\uff0c\u5728\u6b64\u4f8b\u4e2d\u8868\u73b0\u4e3a20\u5206\u949f\u5185\u6765\u591a\u5c11\u4eba\uff0c\u4e0d\u5f71\u54cd\u63a5\u4e0b\u676515\u5206\u949f\u6765\u591a\u5c11\u4eba\u7684\u6982\u7387\u3002
1\uff09\u5bf9\u7b2c\u4e00\u95ee\uff0c\u524d20\u5206\u949f\u5df2\u7ecf\u6765\u4e862\u4eba\uff0c\u6c42\u63a5\u4e0b\u676515\u5206\u949f\uff081/4\u5c0f\u65f6\uff09\u6765\u4e00\u4e2a\u7684\u6982\u7387\uff0c\u7531\u65e0\u8bb0\u5fc6\u6027\u77e5\uff0c\u6240\u6c42\u6982\u7387\u5373\u4e3a15\u5206\u949f\u6765\u4e00\u4e2a\u7684\u6982\u7387\uff1a
\u03bb=6/4=1.5 \uff0ck=1
\u5e26\u5165\u4e0a\u5f0f\u5f97 P=0.335
2\uff09\u5bf9\u7b2c\u4e8c\u95ee\uff0c\u6c42\u524d20\u5206\u949f\uff081/3\u5c0f\u65f6\uff09\u6ca1\u4eba\u6765\uff0c\u5e76\u4e14\u63a5\u4e0b\u676515\u5206\u949f\uff081/4\u5c0f\u65f6\uff09\u6765\u4e00\u4e2a\u7684\u6982\u7387\u3002\u4e3a\u4e8c\u8005\u6982\u7387\u76f8\u4e58\uff08\u65e0\u8bb0\u5fc6\u6027\uff09
\u5bf920\u5206\u949f\uff1a\u03bb=6/3=2\uff0ck=0\uff0cP1=0.135
\u5bf915\u5206\u949f\uff1a\u03bb=6/4=1.5\uff0ck=1\uff0cP2=0.335
\u603b\u6982\u7387\u4e3aP=P1*P2=0.045
\u6269\u5c55\u8d44\u6599\u6cca\u677e\u5206\u5e03\u4e0e\u4e8c\u9879\u5206\u5e03
\u5f53\u4e8c\u9879\u5206\u5e03\u7684n\u5f88\u5927\u800cp\u5f88\u5c0f\u65f6\uff0c\u6cca\u677e\u5206\u5e03\u53ef\u4f5c\u4e3a\u4e8c\u9879\u5206\u5e03\u7684\u8fd1\u4f3c\uff0c\u5176\u4e2d\u03bb\u4e3anp\u3002\u901a\u5e38\u5f53n\u226720,p\u22660.05\u65f6\uff0c\u5c31\u53ef\u4ee5\u7528\u6cca\u677e\u516c\u5f0f\u8fd1\u4f3c\u5f97\u8ba1\u7b97\u3002
\u4e8b\u5b9e\u4e0a\uff0c\u6cca\u677e\u5206\u5e03\u6b63\u662f\u7531\u4e8c\u9879\u5206\u5e03\u63a8\u5bfc\u800c\u6765\u7684\uff0c\u5177\u4f53\u63a8\u5bfc\u8fc7\u7a0b\u53c2\u89c1\u672c\u8bcd\u6761\u76f8\u5173\u90e8\u5206\u3002
\u5728\u5b9e\u9645\u4e8b\u4f8b\u4e2d\uff0c\u5f53\u4e00\u4e2a\u968f\u673a\u4e8b\u4ef6\uff0c\u4f8b\u5982\u67d0\u7535\u8bdd\u4ea4\u6362\u53f0\u6536\u5230\u7684\u547c\u53eb\u3001\u6765\u5230\u67d0\u516c\u5171\u6c7d\u8f66\u7ad9\u7684\u4e58\u5ba2\u3001\u67d0\u653e\u5c04\u6027\u7269\u8d28\u53d1\u5c04\u51fa\u7684\u7c92\u5b50\u3001\u663e\u5fae\u955c\u4e0b\u67d0\u533a\u57df\u4e2d\u7684\u767d\u8840\u7403\u7b49\u7b49\uff0c\u4ee5\u56fa\u5b9a\u7684\u5e73\u5747\u77ac\u65f6\u901f\u7387\u03bb\uff08\u6216\u79f0\u5bc6\u5ea6\uff09\u968f\u673a\u4e14\u72ec\u7acb\u5730\u51fa\u73b0\u65f6\u3002
\u90a3\u4e48\u8fd9\u4e2a\u4e8b\u4ef6\u5728\u5355\u4f4d\u65f6\u95f4\uff08\u9762\u79ef\u6216\u4f53\u79ef\uff09\u5185\u51fa\u73b0\u7684\u6b21\u6570\u6216\u4e2a\u6570\u5c31\u8fd1\u4f3c\u5730\u670d\u4ece\u6cca\u677e\u5206\u5e03P(\u03bb)\u3002\u56e0\u6b64,\u6cca\u677e\u5206\u5e03\u5728\u7ba1\u7406\u79d1\u5b66\u3001\u8fd0\u7b79\u5b66\u4ee5\u53ca\u81ea\u7136\u79d1\u5b66\u7684\u67d0\u4e9b\u95ee\u9898\u4e2d\u90fd\u5360\u6709\u91cd\u8981\u7684\u5730\u4f4d\u3002\uff08\u5728\u65e9\u671f\u5b66\u754c\u8ba4\u4e3a\u4eba\u7c7b\u884c\u4e3a\u662f\u670d\u4ece\u6cca\u677e\u5206\u5e03\uff0c2005\u5e74\u5728nature\u4e0a\u53d1\u8868\u7684\u6587\u7ae0\u63ed\u793a\u4e86\u4eba\u7c7b\u884c\u4e3a\u5177\u6709\u9ad8\u5ea6\u975e\u5747\u5300\u6027\u3002\uff09
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1 \u6cca\u677e\u5206\u5e03
\u6cca\u677e\u5206\u5e03\u7684\u542b\u4e49\uff1a
\u6cca\u677e\u5206\u5e03\uff08Poisson distribution\uff09\uff0c\u53f0\u8bd1\u535c\u74e6\u677e\u5206\u5e03\uff0c\u662f\u4e00\u79cd\u7edf\u8ba1\u4e0e\u6982\u7387\u5b66\u91cc\u5e38\u89c1\u5230\u7684\u79bb\u6563\u673a\u7387\u5206\u5e03\u3002\u6cca\u677e\u5206\u5e03\u662f\u4ee518\uff5e19 \u4e16\u7eaa\u7684\u6cd5\u56fd\u6570\u5b66\u5bb6\u897f\u83ab\u6069\u00b7\u5fb7\u5c3c\u00b7\u6cca\u677e\u547d\u540d\u7684\uff0c\u4ed6\u57281838\u5e74\u65f6\u53d1\u8868\u3002\u8fd9\u4e2a\u5206\u5e03\u5728\u66f4\u65e9\u4e9b\u65f6\u5019\u7531\u8d1d\u52aa\u91cc\u5bb6\u65cf\u7684\u4e00\u4e2a\u4eba\u63cf\u8ff0\u8fc7\u3002
\u6cca\u677e\u5206\u5e03\u4e0e\u4e8c\u9879\u5206\u5e03\u7684\u5173\u7cfb\uff1a
\u5f53\u4e8c\u9879\u5206\u5e03\u7684n\u5f88\u5927\u800cp\u5f88\u5c0f\u65f6\uff0c\u6cca\u677e\u5206\u5e03\u53ef\u4f5c\u4e3a\u4e8c\u9879\u5206\u5e03\u7684\u8fd1\u4f3c\uff0c\u5176\u4e2d\u03bb\u4e3anp\u3002\u901a\u5e38\u5f53n\u226720,p\u22660.05\u65f6\uff0c\u5c31\u53ef\u4ee5\u7528\u6cca\u677e\u516c\u5f0f\u8fd1\u4f3c\u5f97\u8ba1\u7b97\u3002\u4e8b\u5b9e\u4e0a\uff0c\u6cca\u677e\u5206\u5e03\u6b63\u662f\u7531\u4e8c\u9879\u5206\u5e03\u63a8\u5bfc\u800c\u6765\u7684\uff0c\u5177\u4f53\u63a8\u5bfc\u8fc7\u7a0b\u53c2\u89c1\u672c\u8bcd\u6761\u76f8\u5173\u90e8\u5206\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u5e94\u7528\u793a\u4f8b\uff1a
\u6cca\u677e\u5206\u5e03\u9002\u5408\u4e8e\u63cf\u8ff0\u5355\u4f4d\u65f6\u95f4\uff08\u6216\u7a7a\u95f4\uff09\u5185\u968f\u673a\u4e8b\u4ef6\u53d1\u751f\u7684\u6b21\u6570\u3002\u5982\u67d0\u4e00\u670d\u52a1\u8bbe\u65bd\u5728\u4e00\u5b9a\u65f6\u95f4\u5185\u5230\u8fbe\u7684\u4eba\u6570\uff0c\u7535\u8bdd\u4ea4\u6362\u673a\u63a5\u5230\u547c\u53eb\u7684\u6b21\u6570\uff0c\u6c7d\u8f66\u7ad9\u53f0\u7684\u5019\u5ba2\u4eba\u6570\uff0c\u673a\u5668\u51fa\u73b0\u7684\u6545\u969c\u6570\uff0c\u81ea\u7136\u707e\u5bb3\u53d1\u751f\u7684\u6b21\u6570\uff0c\u4e00\u5757\u4ea7\u54c1\u4e0a\u7684\u7f3a\u9677\u6570\uff0c\u663e\u5fae\u955c\u4e0b\u5355\u4f4d\u5206\u533a\u5185\u7684\u7ec6\u83cc\u5206\u5e03\u6570\u7b49\u7b49\u3002
\u53c2\u8003\u8d44\u6599\uff1a\u767e\u5ea6\u767e\u79d1\u2014\u2014\u6cca\u677e\u5206\u5e03
排队问题，比如在等公交车排队，只有一个队伍，0时刻是没有人的，来了一个人，那么就变成1个人了，状态更新为1,过了段时间又来了一个人，就变成2人，状态又更新一次，一直这样重复下去。
（你可以在一个数轴上标上t1，t2，……表示每个人来的时间，分别对应状态1,2，……）
泊松过程的独立增量性是说，第二个人来的时间和第一个人来的时间按之间是没有关系的，而且第一个人在t时刻来的概率和第二个人在t1+t时刻来的概率是一样的
还可以证明每个状态更新的时间间隔满足参数为λ的指数分布。
还不清楚的继续问
绛旓細鍥犳娉婃澗鍒嗗竷鍦ㄧ鐞嗙瀛︼紝杩愮瀛︿互鍙婅嚜鐒剁瀛︾殑鏌愪簺闂涓兘鍗犳湁閲嶈鐨勫湴浣銆傛硦鏉惧垎甯冿紙Poisson distribution锛夛紝鍙拌瘧鍗滅摝鏉惧垎甯冿紝鏄竴绉嶇粺璁′笌姒傜巼瀛﹂噷甯歌鍒扮殑绂绘暎鏈虹巼鍒嗗竷锛坉iscrete probability distribution锛夛紝鐢辨硶鍥芥暟瀛﹀瑗胯帿鎭┞峰痉灏悸锋硦鏉撅紙Sim茅on-Denis Poisson锛夊湪1838骞存椂鍙戣〃銆 娉婃澗鍒嗗竷鐨勬鐜囧瘑搴﹀嚱...
绛旓細5銆佹硦鏉惧垎甯冪殑鏈熸湜鍜屾柟宸潎鏄伙紝位琛ㄧず鎬讳綋鍧囧硷紱P(X=0)=e^(-位)銆傛硦鏉惧垎甯冿紝鏄竴绉嶇粺璁′笌姒傜巼瀛﹂噷甯歌鍒扮殑绂绘暎姒傜巼鍒嗗竷锛岀敱娉曞浗鏁板瀹惰タ鑾仼路寰峰凹路娉婃澗锛圫im茅on-DenisPoisson锛夊湪1838骞存椂鍙戣〃銆傛鐜囪闂:鑻鏈嶄粠鍙傛暟涓何荤殑娉婃澗鍒嗗竷,鍒橢X鍜孌X鏈変粈涔堝叧绯?姹傝В閲...X鏈嶄粠鍙傛暟涓何荤殑娉婃澗鍒嗗竷...
绛旓細闂锛氫竴涓湇鍔″彴姣忓ぉ鎺ュ緟鐨勯【瀹㈡暟鏈嶄粠鍙傛暟涓何荤殑娉婃澗鍒嗗竷锛屛=2銆傛眰锛氾紙1锛変竴涓湇鍔″彴鍦10澶╁唴鎺ュ緟浜1000涓【瀹㈢殑姒傜巼锛涳紙2锛変竴涓湇鍔″彴鍦ㄥ墠10澶╁唴鎺ュ緟浜1000涓【瀹㈢殑姒傜巼銆傝В锛氾紙1锛変竴涓湇鍔″彴姣忓ぉ鎺ュ緟鐨勯【瀹㈡暟鏈嶄粠鍙傛暟涓何=2鐨勬硦鏉惧垎甯冿紝鍥犳鍏舵鐜囪川閲忓嚱鏁颁负锛歅(X=k)=位^k*e^-位/k! ...
绛旓細娉婃澗鍒嗗竷鏄竴绉嶇粺璁′笌姒傜巼瀛﹂噷甯歌鍒扮殑绂绘暎鏈虹巼鍒嗗竷銆傛硦鏉惧垎甯冩槸浠18锝19 涓栫邯鐨勬硶鍥芥暟瀛﹀瑗胯帿鎭┞峰痉灏悸锋硦鏉惧懡鍚嶇殑锛屼粬鍦1838骞存椂鍙戣〃銆傝繖涓垎甯冨湪鏇存棭浜涙椂鍊欑敱璐濆姫閲屽鏃忕殑涓涓汉鎻忚堪杩囥傛硦鏉惧垎甯冩槸閲嶈鐨勭鏁ｅ垎甯冧箣涓锛屽畠澶氬嚭鐜板湪褰揦琛ㄧず鍦ㄤ竴瀹氱殑鏃堕棿鎴栫┖闂村唴鍑虹幇鐨勪簨浠朵釜鏁拌繖绉嶅満鍚堛傚湪涓瀹氭椂闂村唴鏌...
绛旓細鎺掗槦闂锛屾瘮濡傚湪绛夊叕浜よ溅鎺掗槦锛屽彧鏈変竴涓槦浼嶏紝0鏃跺埢鏄病鏈変汉鐨勶紝鏉ヤ簡涓涓汉锛岄偅涔堝氨鍙樻垚1涓汉浜嗭紝鐘舵佹洿鏂颁负1,杩囦簡娈垫椂闂村張鏉ヤ簡涓涓汉锛屽氨鍙樻垚2浜猴紝鐘舵佸張鏇存柊涓娆★紝涓鐩磋繖鏍烽噸澶嶄笅鍘汇傦紙浣犲彲浠ュ湪涓涓暟杞翠笂鏍囦笂t1锛宼2锛屸︹﹁〃绀烘瘡涓汉鏉ョ殑鏃堕棿锛屽垎鍒搴旂姸鎬1,2锛屸︹︼級娉婃澗杩囩▼鐨勭嫭绔嬪閲忔ф槸...
绛旓細濡傛灉n浠0寮濮嬶紝杩欎釜n椤规眰鍜屽氨鏄1銆傚氨鏄娉婃澗鍒嗗竷鍙栨墍鏈夋暟鐨勬鐜囧拰涓1锛屼絾杩欓噷n浠1璧凤紝灏戜簡涓0銆俷=0鏃讹紝灏辨槸e^(-位)锛屾墍浠ュ间负1-e^(-位)瑙ｏ細璁綳琛ㄧず璇ュ煄甯備竴鍛ㄥ唴鍙戠敓浜ら氫簨鏁呯殑娆℃暟锛屽垯X锝炴硦鏉句笇(0.3)濡傛灉 X锝炴硦鏉 涓 (位)P{X = k} = (位)^k * e^(-位) / k! 鍏朵腑 k...
绛旓細瑙ｇ瓟杩囩▼锛氳涓簒锛屽垪涓何伙紝浜ゅ弶寰楀埌鐨勮〃鏍煎唴鐨勬暟瀛楀氨鏄緱鍒扮殑绛旀銆傚彟澶栧苟鏈煡鍒版湁位=5鐨勮〃锛屼竴鑸儏鍐典笅锛屛讳笉浼氬ぇ浜1銆傝繖涓〃鍦ㄦ鐜囪涓庢暟鐞嗙粺璁＄殑闄勮〃閲屻娉婃澗鍒嗗竷锛Poisson鍒嗗竷锛堟硶璇細loi de Poisson锛岃嫳璇細Poisson distribution锛岃瘧鍚嶆湁娉婃澗鍒嗗竷銆鏅樋鏉惧垎甯銆佸崪鐡︽澗鍒嗗竷銆佸竷鐡︽澗鍒嗗竷銆佸竷闃挎澗鍒嗗竷銆...
绛旓細P锛坸锛=锛坢^x/x!)*e^(-m)p ( 0 ) = e ^ (-m)绉颁负娉婃澗鍒嗗竷銆備緥濡傞噰鐢0.05J/m2绱绾跨収灏勫ぇ鑲犳潌鑿屾椂锛屾瘡涓熀鍥犵粍锛堬綖4脳106鏍歌嫹閰稿锛夊钩鍧囦骇鐢3涓槯鍟朵簩浣撱傚疄闄呬笂姣忎釜鍩哄洜缁勪簩浣撶殑鍒嗗竷鏄湇浠庢硦鏉惧垎甯冪殑锛屽皢鍙栧涓嬪舰寮忥細P锛0锛=e^(-3)=0.05锛汸锛1锛=锛3/1锛侊級e^(-3)=0....
绛旓細=位^k *e^(-位) /k!娉婃澗鍒嗗竷鐨勫弬鏁拔绘槸鍗曚綅鏃堕棿(鎴栧崟浣嶉潰绉)鍐呴殢鏈轰簨浠剁殑骞冲潎鍙戠敓鐜囥傛硦鏉惧垎甯冮傚悎浜庢弿杩板崟浣嶆椂闂村唴闅忔満浜嬩欢鍙戠敓鐨勬鏁般傝屾硦鏉惧垎甯冪殑鏈熸湜鍜屾柟宸潎涓何 鍦ㄨ繖閲屛=a 鍗矱V=a锛孌V=a 鑰孼=2V-3 鎵浠 EZ=E(2V-3)=2EV-3=2a-3 DZ=D(2V-3)=2²DV=4DV=4a ...
绛旓細鐢盓[(X-2)(X-3)]=E(x^2-5x+6)=E(x^2)+E(-5x+6)鐢娉婃澗鍒嗗竷鐨勬暟瀛︽湡鏈涘叕寮忓緱 E(-5x+6)=-5E(x)+6=-5鍏+6 E(x^2)=鍏2+鍏 鍒橢[(X-2)(X-3)]=-5鍏+6+鍏2+鍏=2 瑙ｅ緱鍏=2
